基于Logistic回归模型与BP神经网络模型的能源企业财务预警研究

摘要

中国逐渐成为世界能源生产和消费大国，中国经济快速发展可以归功于能源产业的迅猛发展，可以说能源产业占据了我国经济发展的重要位置。而能源问题早已成为各个国家经济发展的重点问题，面对如此激烈的竞争形势，能源企业也出现了种种财务问题导致企业发生财务危机。
　　我国的能源企业具有高成长性、高风险的特点，这就决定了能源市场在运营过程中存在较大的风险，多数风险在前期可以通过企业的财务数据体现出来。因而出现了财务风险预警这一概念，利用反映企业经营情况的各种资料，如财务报告、年度审计报告和公司信息披露等以财务指标数据为基础建立模型，对财务风险进行预测并及时告知管理者。虽然学术方面对于财务预警的研究较多，然而针对传统能源企业的研究并不完善，希望本文的研究成果可以为能源类企业的财务预警提供一些参考。
　　首先，文章阐述了研究背景和国内外研究成果进行，结合我国能源行业现状及特点，分析能源行业的财务风险成因。
　　其次，进行模型基础设计部分，根据证交所对企业退市预警的条件，选择三项指标作为本文能源企业财务预警区间等级划分的依据。选取2014-2015年50家能源企业两年的数据作训练样本，20家数据作预测样本，通过检验最终筛选出12个可以反映能源企业财务问题的指标变量作为建模的基础。
　　然后，分别使用Logistic和BP神经网络建模，利用2014-2015年的数据对后一年的财务风险进行预测，对比两个模型的结果并得出结论，能源企业建立财务预警模型时应加入非财务指标因素，从而消除财务预警模型的局限性，同时可以提升预测的准确性，更适合能源企业在实际中应用。针对两种模型存在的问题和局限性进行分析，通过实证研究验证两种模型都适合应用于能源企业，但两种模型中BP神经网络模型对能源类企业财务预警，无论拟合程度或者预测精准度都优于Logistic模型，因此BP神经网络模型效果更好更适合我国能源企业实际应用。
　　最后对本文进行总结，结合能源企业的特点和模型的预测结果进行分析，提出能源公司应对财务风险的策略，提出本文的不足和展望。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 研究意义

1．3 研究方法及内容

1．3．1 研究方法

1．3．2 研究内容

1．3．3 技术路线图

第二章 相关基础理论

2．1 财务预警理论概述

2．1．1 财务风险概述

2．1．2 财务风险的特点

2．1．3 财务预警理论概念

2．2 财务预警模型研究综述

2．2．1 财务指标研究综述

2．2．2 预警模型研究综述

2．3 我国能源行业现状及特点

2．3．1 我国能源行业现状

2．3．2 我国能源行业财务特点

2．4 能源企业财务危机的主要因素

2．4．1 外部因素影响

2．4．2 内部因素影响

第三章 能源企业财务预警模型基础设计

3．1 预警程度划分

3．2 样本选取

3．3 预测期的选择

3．4 预警指标选择

3．4．1 指标选取原则

3．4．2 选取预警指标变量

3．5 预警指标筛选

3．5．1 正态性检验

3．5．2 显著性检验

第四章 能源企业Logistic财务预警模型设计

4．1 财务预警指标优化

4．1．1 KMO和Bartlett检验

4．1．2 公因子贡献率

4．1．3 解释公因子

4．1．4 公因子表达式

4．2 财务指标Logistic模型建立及预测

4．2．1 建立财务指标Logistic模型

4．2．2 财务指标Logistic模型拟合检验

4．2．3 财务指标Logistic模型预测检验

4．3 综合指标Logistic模型建立及预测

4．3．1 建立综合指标Logistic模型

4．3．2 综合指标Logistic模型拟合检验

4．3．3 综合指标Logistic模型预测检验

4．4 模型检验结果对比

4．5 Logistic模型的局限性

第五章 能源企业BP神经网络财务预警模型设计

5．1 BP神经网络预警模型概述

5．1．1 BP神经网络理论概述

5．1．2 BP神经网络的学习

5．2 BP神经网络预警模型设计

5．2．1 选取训练及预测样本

5．2．2 确定输入及输出层变量

5．2．3 确定隐含层节点个数

5．2．4 确定学习率和系统误差

5．3 模型检验与分析

5．3．1 模型训练及预测

5．3．2 模型结果分析

5．4 BP神经网络模型的局限性

5．5 财务预警模型对比分析

5．5．1 财务风险预警模型对比

5．5．2 模型结果对比

5．6 能源类企业财务风险建议措施

5．6．1 建立财务预警系统

5．6．2 加强企业内部控制

5．6．3 完善企业财务管理

第六章 结论与展望

6．1 结论

6．2 研究不足与展望

参考文献

附录

致谢

研究成果及发表的学术论文

作者和导师简介